0

0
0

文字

分享

0
0
0

公設化集合論的奧秘(14) 笛卡爾乘積與可數無限

翁 昌黎
・2015/02/28 ・2670字 ・閱讀時間約 5 分鐘 ・SR值 536 ・七年級

-----廣告,請繼續往下閱讀-----

credit:wiki
credit:wiki

我們曾經用等量於自然數尺寸的集合企圖製造更大的集合,結果發現即使把這種尺度的集合聯集無數次(可數有限次) ,得到的還是可數無限集合,這就是說聯集這種運算無法讓N突破其尺寸限制。當所屬集合之間沒有共同元素,也就是它們互不相交時,聯集就相當於加法,所以我們也可以說用加法這種運算無法增加可數無限集合的尺寸,詳細證明過程請參考《公設化集合論的奧秘 (10)》。既然加法不行,那很自然會想到乘法或許可以突破這種限制,因為在算術的領域裡,乘法得出的結果要比加法來得大。

接下來就來尋找這種乘法吧。但有甚麼數學構造相當於集合的乘法呢?相信很多人馬上會想起有個外型看起來很像乘法的東西,那就是笛卡爾乘積(Cartesian Product)

定義4:對任意集合A和B,我們將笛卡爾乘積A × B定義為集合 {z〡∃a ∃b (a∈A ∧ b∈B) ∧ z = (a, b)}。

仔細一看,這個看起來很熟悉的笛卡爾乘積不就是之前介紹過的序對(a, b)所構成的集合嗎?這個笛卡爾乘積的前半部元素從A得來而後半部的元素則從B而來。

-----廣告,請繼續往下閱讀-----

雖然這個定義就像我們所熟知的平面座標系一樣清楚明白,但對真正公設化集合論的內行人來說,她會馬上提出一個質疑,那就是雖然A和B都是集合,但我們無法確定A × B是否也是集合,所以必須在公設系統之內驗明正身。我們之前給過的序對定義為:

定義2 (a, b)= {{a}, {a, b}}

可參考《公設化集合論的奧秘 (8)》

由於a和 b分別屬於A和B集合,所以a, b ∈ A ∪ B。這樣的話,以a和b為元素所形成的集合就會成為A ∪ B的子集,也就是 {a, b} ⊆A ∪ B。而冪集合P(X) 的定義剛好是把X的子集合拿來當成P(X) 的元素,所以我們把A ∪ B看成P(X) 中的X就會得到

-----廣告,請繼續往下閱讀-----

{a, b}∈ P (A ∪ B)

同理,更小的集合{a}也是A ∪ B的子集合,{a} ⊆A ∪ B,所以

{a}∈ P (A ∪ B)

以上用紅字標註的兩個集合{a , b}{a}既然都是P (A ∪ B)的成員,那表示它們兩者所形成的集合{{a}, {a , b}}必定是P (A ∪ B)的子集,也就是

-----廣告,請繼續往下閱讀-----

{{a}, {a, b}} ⊆ P (A ∪ B)

仔細觀察會發現左邊的部分正是序對(a, b),也就是笛卡爾乘積的構成元素z 的基本形態,現在終於知道我們為何要不辭勞苦地繞那麼一大圈,為的就是要得出這個序對的形態,然後才能判別它是否符合集合的合法身分。

把這些定義關係整理一下可以得到:

z = (a, b) = {{a}, {a, b}} ⊆ P (A ∪ B)

-----廣告,請繼續往下閱讀-----

再運用一次冪集合到P (A ∪ B)身上,根據它把子集當成元素的規定,我們發現

z = (a, b) = {{a}, {a, b}} ∈ P (P (A ∪ B))

終於把笛卡爾乘積的「真身」找到了,它就是構成A × B的集合形態,把A和B的聯集連續取兩次冪集合之後得到的P (P (A ∪ B))就是以z為元素的笛卡爾乘積。

現在只剩下最後一步確認程序了,那就是P (P (A ∪ B))是否為集合?由於A和B都是集合,所以根據ZF5聯集公設(請參考《公設化集合論的奧秘 (5)》),兩個集合的聯集也是集合,所以A ∪ B是集合沒錯。

-----廣告,請繼續往下閱讀-----

再根據ZF7冪集合公設 (請參考《公設化集合論的奧秘 (7) 》) ,把一個集合X的所有子集蒐集起來所構成的類P(X)也是集合,所以P (A ∪ B) 是集合沒錯。(關於類的概念請參考《公設化集合論的奧秘 (12) 》) 現在讓我們根據ZF7把這個程序再 一次用到P (A ∪ B) 身上,結果發現P (P (A ∪ B)) 也仍然是集合。到此我們可以確定笛卡爾乘積A × B 為集合無誤,定義4完全符合ZF公設的「法定」標準。

確定了A × B為集合之後,我們才能放心大膽地測試由自然數集合N所構成的笛卡爾乘積N × N的尺寸是否能突破可數無限的限制,如果N × N連集合都不是的話,那我們就不用這麼辛苦白忙這一大圈了。

最後讓我們檢查一下笛卡爾乘積A × B是否真正捕捉到乘法算術的本質,就用有限集合來實驗一下吧。假設A和B都是由3個元素所構成的集合,比如A = {a, b, c} 而 B = {1, 2, 3} ,那麼A × B = {(a, 1), (a, 2), (a, 3), (b, 1), (b, 2), (b, 3), (c, 1), (c, 2), (c, 3)} ,點算一下剛好是9個元素,等於3 × 3,確實是乘法沒錯。

接下來能否找到N × N與N 之間的大小關係呢?我們發現可以找到一個一對一函數從N到N × N,只要取:

-----廣告,請繼續往下閱讀-----

ƒ : N → N × N

n → (n, 0)

就成了。可惜ƒ不是映成函數,因為比如(17, 3)這個序對就不在ƒ的值域(range)裡,因此我們目前無法確定N × N 和N是否等量。但我們觀察到一個令人驚喜的現象,那就是當函數是一對一而沒有映成時,不就表示前面的集合N小於或等於後面的集合N × N嗎?因為不映成表示後面的集合N × N 存在著配對之後剩餘的元素,因此它有可能比前面的集合來得大。

於是我們據此做出一個集合之間小於或等於的定義:

-----廣告,請繼續往下閱讀-----

定義5:如果在集合A和B之間存在一個一對一函數  ƒ : A→B,則說A小於或等量於B,寫成A ≤ B。相當於〡A〡≤  〡B〡,也就是A的基數小於等於B的基數。

根據以上定義,前面的函數ƒ告訴我們〡N〡≤  〡N × N〡,但若要確定〡N × N〡真的大於〡N〡的話,我們還需要證明N和N × N不等量才行。也就是若〡N〡≤ 〡N × N〡,則必須加上N和N × N不等量這個條件才能說〡N〡<〡N × N〡。

在這緊要關頭我們卻發現有一個函數g:N × N → N恰好是一對一函數,這怎麼可能呢?才剛剛發現〡N〡≤  〡N × N〡,為何半路又殺出一個搗蛋的函數g?口說無憑,我們就把函數g亮出來吧:

g:N × N → N

(n , m) → 2n3m

有證據證明這個函數是一對一嗎?有的,根據算術基本定理,任何大於1的正整數都可以唯一分解為依序排列的質數乘積模式如:P1aP2bP3c…Pkk…,其中P1 < P2 < P3< Pk <… 為由小到大的質數,而a, b, c, …, k 等為正整數。由於值域裡的2和3正好是最小的兩個質數,因此一個序對(n, m)決定一個唯一的2n3m值,故知道函數g為一對一函數。根據定義5,〡N × N〡≤ 〡N〡。於是我們同時有〡N〡≤ 〡N × N〡和〡N × N〡≤  〡N〡兩種情況。

如果是任意兩個實數r1, r2的話,如果r1≤ r2 且 r2 ≤ r1則r1 = r2。但對於包含N在內的任意集合來說,以上的算術規則是否仍然正確?也就是如果

〡N〡≤ 〡N × N〡且〡N × N〡≤  〡N〡的話,

〡N〡=〡N × N〡是否成立?

答案是肯定的,這就是著名的施洛德—伯恩斯坦定理(Schröder-Bernstein theorem),它是關於集合尺寸的一個非常重要的定理,我們目前尚未證明它,所以只能暫時假裝它是對的。但施洛德—伯恩斯坦定理一旦成立,我們剛才的美夢就全泡湯了,原本期待笛卡爾乘積可以突破可數無限的藩籬,現在卻得到〡N〡=〡N × N〡這個結論。

不僅如此,我們還能夠進一步證明推廣到任意整數n的笛卡爾乘積C1 × C2 × C3 × C4 × … × Cn 其尺寸仍然是可數無限。突破可數無限的集合運算方式似乎近在咫尺又瞬間擦身而過,這個施洛德—伯恩斯坦定理的證明又暗藏甚麼玄機?就讓我們下回再分解吧!

文章難易度
翁 昌黎
18 篇文章 ・ 5 位粉絲
中央大學哲學研究所碩士,曾籌劃本土第一場「認知科學與佛教禪修系統」對話之大型研討會,於1995年6月在法光佛教研究所舉行,並發表文章。後隱居紐西蘭,至今已20載。 長年關注「意識轉變狀態的科學」和「意識本質的科學與哲學」問題,曾與大寶法王辯經教授師拿旺桑結堪布成立「大乘佛教禪修研究中心」。其他研究興趣為「唯識學」、「超個人心理學」、「數理邏輯」、「公設化集合論」和「後設數學」等等。

0

3
3

文字

分享

0
3
3
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 作者/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒,那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬.霍金(Stephen Hawking) 英國理論物理學家

大約在八十年前,當第一台數位計算機出現時,一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧;但七十年後,還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」(Artificial Intelligent,簡稱 AI)的能力最近十年突然起飛,在許多(所有?)領域的測試中擊敗了人類,正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元(graphic process unit,簡稱 GPU)是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia(英偉達)股票從每股不到 $5,上升到今天(5 月 24 日)每股超過 $1000(註一)的全世界第三大公司,其創辦人(之一)兼首席執行官、出生於台南的黃仁勳(Jenson Huang)也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人!可是多少人了解圖形處理單元是什麼嗎?到底是時勢造英雄,還是英雄造時勢?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

在回答這問題之前,筆者得先聲明筆者不是學電腦的,因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事,不是我們外行人需要了解的;但作為一位現在的知識分子或公民,了解基本原理則是必備的條件:例如了解「能量不滅定律」就可以不用仔細分析,即可判斷永動機是騙人的;又如現在可攜帶型冷氣機充斥市面上,它們不用往室外排廢熱氣,就可以提供屋內冷氣,讀者買嗎?

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」(central process unit,簡稱 CPU)。CPU 是電腦的「腦」,其電子電路負責處理所有軟體正確運作所需的所有任務,如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作;但為了簡單化,我們在這裡所談的工作將只是執行算術和邏輯運算的工作(arithmetic and logic unit,簡稱 ALU),如將兩個數加在一起。在這一簡化的定義下,CPU 在任何一個時刻均只能執行一件工作而已。

-----廣告,請繼續往下閱讀-----

在個人電腦剛出現只能用於一般事物的處理時,CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後,CPU 開始顯示心有餘而力不足:例如電玩動畫需要應用程式處理數以萬計的像素(pixel),每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年,英偉達將其一「具有集成變換、照明、三角形設定/裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」(註二)定位為「世界上第一款 GPU」,「GPU」這一名詞於焉誕生。不像 CPU,GPU 可以在同一個時刻執行許多算術和邏輯運算的工作,快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢?因每一時刻只能做一件事,所以其步驟為:

  • 計算 7×5;
  • 計算 6/3;
  • 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢?很多工作便可以同時(平行)進行:

-----廣告,請繼續往下閱讀-----
  • 同時計算 7×5 及 6/3;
  • 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間,但如果我們有 16 對 a×b 要相加呢?單獨的 CPU 需要 31 個運算的時間(16 個 × 的運算時間及 15 個 + 的運算時間),而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間(1 個 × 的運算時間及 4 個 + 的運算時間)!

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了,如何將它擺正成右圖呢? 一句話:「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點(座標 x, y)組成的,所以這句簡單的話可讓 CPU 忙得不亦樂乎了:每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

-----廣告,請繼續往下閱讀-----

即每一點均需要做四個 × 及兩個 + 的運算!如果每一運算需要 10-6 秒,那麼讓《我愛科學》一書做個簡單的角度旋轉,便需要 6 秒,這豈是電動玩具畫面變化所能接受的?

圖形處理的例子

人類的許多發明都是基於需要的關係,因此電腦硬件設計家便開始思考:這些點轉換都是獨立的,為什麼我們不讓它們同時進行(平行運算,parallel processing)呢?於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 106 運算,那上圖的轉換只需 10-6 秒鐘!

GPU 的興起

GPU 可分成兩種:

  • 整合式圖形「卡」(integrated graphics)是內建於 CPU 中的 GPU,所以不是插卡,它與 CPU 共享系統記憶體,沒有單獨的記憶體組來儲存圖形/視訊,主要用於大部分的個人電腦及筆記型電腦上;早期英特爾(Intel)因為不讓插卡 GPU 侵蝕主機的地盤,在這方面的研發佔領先的地位,約佔 68% 的市場。
  • 獨立顯示卡(discrete graphics)有不與 CPU 共享的自己專用內存;由於與處理器晶片分離,它會消耗更多電量並產生大量熱量;然而,也正是因為有自己的記憶體來源和電源,它可以比整合式顯示卡提供更高的效能。

2007 年,英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後,科學家發現獨立 GPU 不但能夠快速處理圖形變化,在需要大量計算才能實現特定結果的任務上也非常有效,因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理,不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化,也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬(註三)等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分,正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲,遠遠落在英偉達(80%)及超微半導體公司(Advance Micro Devices Inc.,19%,註四)之後,大約只有 1% 的市場。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

事實上現在的中央處理單元也不再是真正的「單元」,而是如圖二可含有多個可以同時處理運算的核心(core)單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心,因此其核心功能不如 CPU 核心強大,但它們能同時高速執行大量相同的指令,在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心;GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書,不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等,也知道它擺斜了。這種「平行運作」的能力不僅限於視覺,它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是:嘴巴在講,腦筋思考已經不知往前跑了多少公里,常常為了追趕而越講越快,將不少學生拋到腦後!這不表示筆者聰明,因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技,因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣(matrix)的讀者應該知道,如果用矩陣和向量(vector)表達,上面所談到之座標轉換將是非常簡潔的(註五)。而矩陣和向量計算正是機器學習(machine learning)演算法的基礎!也正是獨立圖形處理單元最強大的功能所在!因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石:它們的架構就是充分利用並行處理,來快速執行多個操作,進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」(deep learning)。

黃仁勳在 5 月 22 日的發布業績新聞上謂:「下一次工業革命已經開始了:企業界和各國正與英偉達合作,將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升,幫助企業降低成本和提高能源效率,同時擴大收入機會。」

附錄

人工智慧的實用例子:下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後,讀者是不是認為筆者該退休了?

-----廣告,請繼續往下閱讀-----

GPU(圖形處理單元)和 AI(人工智慧)之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力,特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步,使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率,使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐,而且使其更具成本效益,因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展,GPU 的角色可能會變得更加不可或缺,推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標,這些神經元網路可以獨立但有凝聚力地工作,使我們能夠執行複雜的任務,例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外,研究表明,與非人類動物相比,人類大腦具有更多平行通路,這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上,一邊聽音樂一邊做飯,或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技,因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵:透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

(註一)當讀者看到此篇文章時,其股票已一股換十股,現在每一股約在 $100 左右。

(註二)組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」(GeForce 256)插卡吧?

(註三)筆者於 1984 年離開清華大學到 IBM 時,就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士(fellow)」Enrico Clementi 的團隊:因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層,我們只能自己寫軟體將 8 台中型電腦(非 IBM 品牌!)與一大型電腦連接來做平行運算,進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

-----廣告,請繼續往下閱讀-----

(註四)補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商:英偉達及 ATI(Array Technology Inc.)。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立,2006 年被超微半導體公司收購,品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐(Lisa Tzwu-Fang Su)博士為執行長後,股票從每股 $4 左右,上升到今天每股超過 $160,其市值已經是英特爾的兩倍,完全擺脫了在後者陰影下求生存的小眾玩家角色,正在挑戰英偉達的 GPU 市場。順便一題:超微半導體公司現任總裁(兼 AI 策略負責人)為出生於台北的彭明博(Victor Peng);與黃仁勳及蘇姿豐一樣,也是小時候就隨父母親移居到美國。

(註五)

延伸閱讀

  • 熱力學與能源利用」,《科學月刊》,1982 年 3 月號;收集於《我愛科學》(華騰文化有限公司,2017 年 12 月出版),轉載於「嘉義市政府全球資訊網」。
  • 網路安全技術與比特幣」,《科學月刊》,2020 年 11 月號;轉載於「善科教育基金會」的《科技大補帖》專欄。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

1
1

文字

分享

0
1
1
康托爾誕辰|科學史上的今天:3/3
張瑞棋_96
・2015/03/03 ・960字 ・閱讀時間約 2 分鐘 ・SR值 559 ・八年級

對數學家與哲學家而言,無限大就像個怪物。哲學碰上無限就會產生一堆悖論,例如芝諾悖論、無限大飯店、⋯⋯等等。無限大更是在數學製造了一堆矛盾,例如:無限序列 1 – 1 + 1 – 1 + ⋯⋯的總和到底是等於 0 或 1、或是 1/2?我們可以讓自然數與平方數的數列彼此一一對應(1→1, 2→4, 3→9, ⋯⋯),但平方數顯然又只占自然數的一小部分,那麼自然數的集合究竟比平方數的集合大還是兩者一樣大?

面對這些令人困惑的矛盾,大家的共識就是:無限只能當作一種概念,一個持續的未完成狀態,所以不能計算或比較大小。數學王子高斯就嚴肅表示:「我反對將無限量看成真實的實體來運用,這在數學之中是永遠不被允許的。無限只是一種說法而已。」直到不信邪的德國數學家康托爾出現,祭出集合論這面照妖鏡,才讓無限這個怪物現出原形,扭轉了千年以來對於無限的認知。

康托爾創立集合論,將無限當成可以一一對應其中元素的集合來處理。經由他無懈可擊的證明,無限的確有大小等級不同之分。自然數、平方數、整數、有理數的集合都是「可數無限」,屬於最初級(第零級)的無限,它們都一樣大。但無理數、實數的集合就是另一種「不可數無限」,硬是比第零級的無限還大,屬於第一級的無限。不只如此,還有更大的無限,一級一級往上沒有止盡。也就是說,世人以為無限是一隻神秘的怪物,但康托爾卻撥開迷霧,指出無限其實是一群數不完的大小不同的怪物。

然而康托爾天才般的洞見卻被當時的學界權威批評為「並無重要意義」、「騙局」。康托爾一方面承受極大的壓力,一方面又受困於自己提出來的疑問──存不存在大小介於第零級與第一級之間的無限?他試圖證明並不存在這樣的無限集合(稱為「連續統假設」),但搏鬥多年卻始終未果,乃數度精神崩潰住院治療。到了一次大戰,因實施食物配給而健康更加惡化,終於在 1918 年於精神療養院中過世,享年 73 歲。

-----廣告,請繼續往下閱讀-----

如今康托爾的貢獻已被普遍認同,他開創的集合論已成為現代數學的基石。大數學家希爾伯特曾捍衛地宣稱:「沒有人能將我們從康托爾為我們創造的樂園中驅逐出去」。他的連續統假設仍列於有待解決的 23 個最重要的數學問題之首,等待後人征服。

本文同時收錄於《科學史上的今天:歷史的瞬間,改變世界的起點》,由究竟出版社出版。

張瑞棋_96
423 篇文章 ・ 998 位粉絲
1987年清華大學工業工程系畢業,1992年取得美國西北大學工業工程碩士。浮沉科技業近二十載後,退休賦閒在家,當了中年大叔才開始寫作,成為泛科學專欄作者。著有《科學史上的今天》一書;個人臉書粉絲頁《科學棋談》。

0

0
0

文字

分享

0
0
0
公設化集合論的奧秘(13) 追查有理數失蹤之謎
翁 昌黎
・2015/02/27 ・1766字 ・閱讀時間約 3 分鐘 ・SR值 528 ・七年級

-----廣告,請繼續往下閱讀-----

credit:wiki
credit:wiki

「一尺之棰,日取其半,萬世不竭」       莊子

如果我們把莊子以上的想法稍作改變,不要把木棍每天鋸掉一半,而是在本該鋸掉的地方刻上一道細線,這樣一直刻劃下去,有一天是否能把木棍劃滿呢?如果你拿一枝美工刀實際去做的話,幾秒鐘刻上一道刀痕,估計木棍很快就會佈滿刀的刻跡,因為刻痕是有寬度的。若是刻痕真能像幾何學所說的那樣寬度等於零的話,直覺上木棍或許不會被蓋滿,在取1/2不斷縮小的眾多段落裡總是會有間隙存在。

但如果增加刀痕的切刻密度,比如把棍子按1/3比例切刻,然後將被切成1/3的部分再切1/3這樣無限執行下去呢?若將1/4, 1/5, 1/6, …, 1/n , … 的切刻比例都加進來如法炮製呢?你的直觀還能那麼確定棍子不會被刻痕佈滿嗎?

讓我們回到那個由無限顆白沙顆粒所形成的海灘,還有那條發出橙色亮光的實數線,數學證明告訴我們,這些與有理數等量的沙粒確實無法填滿實數線(請參考《公設化集合論的奧秘(11)》),同理以上的方法也無法將刻痕佈滿莊子家那根棍子。

僅管我們在《公設化集合論的奧秘(11)》中已經證明實數是不可數的,也就是說實數比有理數多,但我們並不清楚實數到底比有理數多多少?將這些美麗的白沙填充到橙色的實數彩虹時,彩虹到底變白了多少?是整個實數彩虹都呈現灰白狀,還是只有白色的帶狀,或者更像量子力學的双狹縫實驗中的細干涉條紋線呢?

-----廣告,請繼續往下閱讀-----

答案我們前文已經說過,實數彩虹完全不會改變顏色,那似乎暗示無限顆白沙就像憑空消失一樣,即使請菩提祖師加持讓每顆沙粒再變成無窮的沙粒也於事無補,無數美麗的白沙消失在實數線的橙光之中。於是我們面臨一宗最詭異的疑案,這些數量等同於一切有理數的美麗白沙為何消失了?它們跑到哪裡去了?有數學上的方法能說明這個怪異現象嗎?

要破解這件玄案,首先要知道無數白沙失蹤等同於有理數失蹤,因為它們是等量的,有著相同的基數。所以我們的目標是要追查失蹤的有理數,看它們為何消失,但一個好的偵探不會被表象蒙蔽,或許這些有理數並沒有消失,只是被藏了起來罷了,甚麼情況下能將這麼多的東西藏起來?除非有比它們多得多的東西將其淹沒,所以我們才看不到有理數,讓我們來驗證這個猜測是否屬實。

由於已經證明整體實數跟(0, 1)區間裡的實數一樣多,所以只要處理開區間(0, 1)就相當於處理了整個實數。假設這個區間內所有有理數的集合為S,因為其尺寸為可數無限,所以我們可以將其成員編碼成S={x1, x2, x3,…},S就是灑到實數線上的沙粒集合。接著找一段1/10長的開區間I1將第一粒沙x1包住,然後用更小的一段 1/100長的開區間I2將第二粒沙x2包住,依此類推,我們用10n 長的開區間In來覆蓋第xn粒沙。這樣做的結果就是用來覆蓋S元素的區間總長必定大於x1, x2, x3, …的總和,因為每段In總是把某個xn覆蓋住。

現在我們把所有的In加起來看看占有多少比例,它等於:

-----廣告,請繼續往下閱讀-----

1/10 + 1/102 + 1/103 +… + 1/10n   +… = 1/9

用簡單的等比級數公式就可以得出以上的結果。這個結果令人驚訝,因為我們發現沙粒的總和S頂多只占有區間的1/9,其餘的部分都不屬於S,合理的猜測就是8/9以上的區域屬於無理數的領地。

但更驚爆的事情還在後面,第一個開區間I1的長度1/10是我們任意選取的,我們可以選得更小,比如說1/102同樣可以包住x1,之後的區間長度也是依比例遞減。這樣覆蓋S所有元素的開區間總合就等於:

∑In = 1/102 + 1/103 + 1/104 … + 1/10n   +… = 1/90

-----廣告,請繼續往下閱讀-----

經過這個調整,有理數S所占的比例只剩不到1/90,其餘89/90以上的區域都是無理數。

敏銳的讀者已經發現,我們可以將選取的覆蓋區間不斷縮小,因而有理數集合S所占實數區間(0, 1)的比例也就會依照1/900, 1/9000, 1/90000逐漸下降而最後趨近於0。難怪那麼多沙粒都消失不見,原來與實數相比它們所占的比例是零。

這是甚麼意思呢?這是不可數無限集合最深奧難解的性質之一,雖然同屬於無限集合,但若把有理數全數放到實數堆裡的話,它們將完全被淹沒而看不到蹤影。有理數的「數量」跟實數相比實在太過渺小,幾乎可以忽略不計,這就是整個白沙星球「失蹤」的真正原因。

經由以上的推演,我們不但證明了實數比有理數多,還進一步知道由於它們之間懸殊的比例,導致有理數無法被觀察到而造成失蹤的假象。那麼這種遠遠超出我們直觀經驗的不可數無限集合 R和由全體自然數集合N所形成冪集合 P (N) 是否一樣大呢?我們能找到方法來證明它們誰大誰小嗎?這只有等下回再分解了!

-----廣告,請繼續往下閱讀-----
翁 昌黎
18 篇文章 ・ 5 位粉絲
中央大學哲學研究所碩士,曾籌劃本土第一場「認知科學與佛教禪修系統」對話之大型研討會,於1995年6月在法光佛教研究所舉行,並發表文章。後隱居紐西蘭,至今已20載。 長年關注「意識轉變狀態的科學」和「意識本質的科學與哲學」問題,曾與大寶法王辯經教授師拿旺桑結堪布成立「大乘佛教禪修研究中心」。其他研究興趣為「唯識學」、「超個人心理學」、「數理邏輯」、「公設化集合論」和「後設數學」等等。